آموزش آماده شدن برای عصر هوش مصنوعی: مبانی یادگیری عمیق (Deep Learning) - آخرین آپدیت

دانلود Become AI-Ready: Deep Learning Fundamentals

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: آیا می‌خواهید بدانید سیستم‌های هوش مصنوعی در ابزارهایی مانند ChatGPT چگونه کار می‌کنند و پایه‌ای مستحکم برای فعالیت حرفه‌ای در زمینه AI و هوش مصنوعی مولد (Generative AI) ایجاد کنید؟ بسیاری از متخصصان تئوری هوش مصنوعی را مطالعه می‌کنند اما در به‌کارگیری آن در سیستم‌های واقعی با چالش روبرو هستند. این دوره با معرفی نحوه ساخت، آموزش، تحلیل نقاط ضعف و بهینه‌سازی مدل‌های یادگیری عمیق در محیط‌های عملی، این شکاف را پر می‌کند. چرا این دوره مؤثر است؟ ۱) تمرکز بر کاربردهای واقعی AI – یاد بگیرید که یادگیری عمیق در GenAI، بهداشت و درمان، و امور مالی کجا استفاده می‌شود. ۲) شفافیت در تکامل صنعت – بررسی مسیر تکامل از شبکه‌های عصبی ← ImageNet ← تا تغییر مسیر به سمت هوش مصنوعی مولد. ۳) درک عملی و بصری – آموزش بصری با استفاده از TensorFlow Playground و شبیه‌سازها. پس از این دوره قادر خواهید بود: - مفاهیم بنیادی شبکه‌های عصبی را پیاده‌سازی کنید. - مفاهیم Forward Pass و Backpropagation را به طور کامل درک کنید. - تشخیص دهید که چه زمانی از یادگیری ماشین (ML) و چه زمانی از یادگیری عمیق (Deep Learning) استفاده کنید. - مدل‌های RNN، LSTM و مدل‌سازی توالی‌ها (Sequence Modeling) را بشناسید. این دوره برای مهندسان نرم‌افزار، توسعه‌دهندگان اپلیکیشن، تحلیلگران داده، متخصصانی که در حال تغییر مسیر شغلی به سمت AI و یادگیری عمیق هستند و همچنین مبتدیان ML که قصد دارند مهارت‌های شغلی هوش مصنوعی را کسب کنند، طراحی شده است. پایه‌ای قوی در AI بسازید و برای نقش‌های پیشرفته یادگیری عمیق و هوش مصنوعی مولد آماده شوید. همین امروز ثبت‌نام کنید و مهارت‌های آینده‌محور خود را بسازید.

سرفصل ها و درس ها

از هوش مصنوعی تا یادگیری عمیق: مبانی سیستم‌های هوشمند مدرن AI to Deep Learning: Foundations Behind Modern Intelligent Systems

  • چرا یادگیری عمیق موتور محرک انقلاب فعلی هوش مصنوعی است Why Deep Learning Is Powering Today’s AI Revolution

  • پس از این دوره یادگیری عمیق قادر به انجام چه کارهایی خواهید بود What You’ll Be Able to Do After This Deep Learning Course

  • نحوه قدرت‌بخشی یادگیری عمیق به ChatGPT، بهداشت و درمان و حوزه مالی How Deep Learning Powers ChatGPT, Healthcare, and Finance Domain

  • چرا نوع داده در هوش مصنوعی مهم‌تر از الگوریتم است Why Data Type Matters More Than Algorithm in AI

  • مسیر یادگیری یادگیری عمیق تا رسیدن به هوش مصنوعی مولد Learning Journey of Deep Learning till Gen AI

  • تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق - توضیح جامع و شفاف AI vs Machine Learning vs Deep Learning — Finally Explained Clearly

  • انواع هوش مصنوعی Types of Artifical Intelligence

  • تاریخچه یادگیری عمیق History of Deep Learning

  • چالش ImageNet: رقابتی که هوش مصنوعی را برای همیشه تغییر داد Imagenet Challenge - The Competition That Changed AI Forever

  • یادگیری انتقالی (Transfer Learning) Transfer learning

  • موج دوم: لحظه‌ای که یادگیری عمیق به جریان اصلی تبدیل شد Second Wave - The Moment Deep Learning Became Mainstream

  • چه زمانی از یادگیری ماشین استفاده کنیم و چه زمانی از یادگیری عمیق When to Use Machine Learning vs Deep Learning

  • مدل‌های هوش مصنوعی واقعاً چگونه از داده‌ها یاد می‌گیرند How AI Models Actually Learn From Data

  • مغز انسان چگونه الهام‌بخش شبکه‌های عصبی شد How the Human Brain Inspired Neural Networks

  • نقش توابع فعال‌ساز و لایه‌ها در قدرت‌بخشی به شبکه‌های عصبی How Activation Functions and Layers Power Neural Networks

  • شبکه‌های عصبی مصنوعی Artificial Neural Networks

درون شبکه‌های عصبی: مدل‌های یادگیری عمیق واقعاً چگونه یاد می‌گیرند Inside Neural Networks: How Deep Learning Models Actually Learn

  • آشنایی با TensorFlow Playground: اولین شبکه عصبی خود را به صورت بصری آموزش دهید Intro to Tensorflow Playground - Train Your First Neural Network Visually

  • مقدمه‌ای بر TensorFlow Playground و مفهوم Epochها Tensorflow playground Intro, Epochs

  • TensorFlow Playground: مشاهده یادگیری شبکه عصبی در لحظه Tensorflow Playground - Watch a Neural Network Learn in Real Time

  • آموزش در TensorFlow Playground: بررسی موارد ساده، متوسط و پیچیده Tensorflow playground learning - Simple, medium complex cases

  • زمانی که شبکه‌های عصبی شکست می‌خورند - و نحوه رفع آن‌ها When Neural Networks Fail — And How to Fix Them

  • پارامترها در یادگیری عمیق: بررسی در TensorFlow Playground Parameters in Deep Learning : Tensorflow Playground

  • Forward Pass: هنگام ورود داده به شبکه عصبی چه اتفاقی می‌افتد Forward pass - What Happens When Data Enters a Neural Network

  • فرآیند یادگیری در شبکه‌های عصبی Learning - Neural networks

  • Backpropagation: شبکه‌های عصبی چگونه از اشتباهات خود یاد می‌گیرند Back Propagation - How Neural Networks Learn From Mistakes

  • پس‌انتشار (Backpropagation) و کاهش گرادیان (Gradient Descent) Backpropagation - Gradient descent

  • مراحل گام‌به‌گام پس‌انتشار با اعداد واقعی Backpropagation Step-by-Step With Real Numbers

  • اجرای عملی Forward Pass و Backprop با استفاده از شبیه‌ساز شبکه Forward Pass + Backprop in Action using Network Simulator

  • محاسبات Forward Pass و محاسبه Loss در شبیه‌ساز شبکه Forward Pass Calculations + Loss Computation in Action using Network Simulator

  • اجرای عملی Backpropagation و به‌روزرسانی وزن‌ها در شبیه‌ساز شبکه Backpropagation + Weight Updates in Action using Network Simulator

هوش توالی‌ها: RNNها، LSTMها و سیستم‌های حافظه هوش مصنوعی Sequence Intelligence: RNNs, LSTMs, and AI Memory Systems

  • RNN: چرا یادگیری عمیق به مدل‌های حافظه‌دار نیاز داشت RNN - Why Deep Learning Needed Memory Models

  • مدل‌سازی توالی: هوش مصنوعی چگونه زبان، گفتار و داده‌های زمانی را درک می‌کند Sequence Modeling - How AI Understands Language, Speech, and Time Data

  • مدل‌سازی زبان و نیاز به RNN Language Modeling and Need for RNN

  • مفهوم و ساختار شبکه‌های عصبی بازگشتی (RNN) Recurrent Neural Networks (RNN) Concept and Network

  • جریان داده و مکانیسم عملکرد شبکه‌های عصبی بازگشتی (RNN) Recurrent Neural Networks (RNN) Flow and Working Mechanism

  • چالش‌های موجود در RNN Challenges in RNN

  • نحوه حل مشکل حافظه در یادگیری عمیق توسط LSTM How LSTM Solves the Memory Problem in Deep Learning

  • درک عملیات گیت‌ها و جریان اطلاعات در LSTM Understanding LSTM Gate Operations and Information Flow

  • جریان گرادیان در LSTM و پس‌انتشار در زمان (BPTT) LSTM Gradient Flow and Backpropagation Through Time

  • جمع‌بندی نهایی دوره Course Summary

نمایش نظرات

آموزش آماده شدن برای عصر هوش مصنوعی: مبانی یادگیری عمیق (Deep Learning)
جزییات دوره
8h 22m
40
(آخرین آپدیت)
81
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Dr Sunil Kumar Vuppala Dr Sunil Kumar Vuppala